巖心,作為石油和天然氣工程中的重要組成部分,無論在勘探還是開采中都扮演著重要的角色,巖心圖像自然而然成為了最有研究意義的資源。隨著拍照硬件的不斷迭代更新,拍攝的巖心圖像的尺寸與所需的存儲空間也與日俱增,而存儲設(shè)備的容量發(fā)展卻十分緩慢,為了存儲和管理越來越多的巖心圖像,發(fā)展的矛頭直指巖心圖像壓縮和存儲領(lǐng)域。巖心圖像本身存在復雜的紋理特征,傳統(tǒng)的巖心圖像壓縮方法是使用小波變換與基于離散余弦的變換對巖心圖像進行數(shù)據(jù)壓縮,但是,這些方法會丟失圖像部分信息并導致圖像細節(jié)紋理的損失。為此,本文提出兩種基于深度學習的巖心圖像壓縮方法,可增大壓縮比也可重構(gòu)高清巖心圖像,提高視覺效果,重構(gòu)的圖像無論是在SSIM指標還是PSNR指標上來說,都具有較高的值。本文所述的主要研究內(nèi)容與創(chuàng)新如下:首先,研讀國內(nèi)外經(jīng)典圖像壓縮文獻,包括傳統(tǒng)的圖像壓縮算法和模型;基于深度學習的圖像壓縮算法與模型;基于深度學習的圖像高分辨重構(gòu)方法。其中包括算數(shù)編碼、霍夫曼編碼、游程編碼三種傳統(tǒng)的無損編碼,JPEG、預測編碼、矢量化編碼、分形編碼、神經(jīng)網(wǎng)絡(luò)編碼、JPEG2000傳統(tǒng)的有損壓縮編碼。基于深度學習的圖像壓縮與高清重構(gòu)方法包括...

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

圖2-6DPCM編碼原理圖

圖2-6DPCM編碼原理圖Fig2-6DPCMcodingschematic.3.4SPECK編碼高頻子帶觀測值相互鄰接的塊之間的相關(guān)性比較弱，存在不大的數(shù)據(jù)冗余，所含能量值也較少。對于次重要的系數(shù)進行編碼可使用EZW算法，而由于SPE法所采用的塊結(jié)構(gòu)使得....

圖3-1單層感知機結(jié)構(gòu)圖

3.1淺層學習--人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork，即ANN學建模過程，利用數(shù)學公式進行量化與計算的過程。它所采用的方法進行數(shù)學建模的機器，是由簡單處理單處理器，天然地具有存儲經(jīng)驗知識并使其可用的特性等領(lǐng)域有著很好的實際應用效果。目前，最常見的....

圖3-2Sigmoid函數(shù)Fig3-2Sigmoidfunction

h(x)是輸出，x是輸入，W是神經(jīng)元權(quán)重值，b是偏置項為了能夠?qū)⑸窠?jīng)網(wǎng)絡(luò)應用到各種類型的非線性模型，引入激活函數(shù)的激活函數(shù)包括：1、Sigmoid函數(shù)；2、Tanh函數(shù)；3、Relu函數(shù)。把輸出映射到區(qū)間(0,1)中，常用于解決數(shù)據(jù)特征很復雜的分類問題moid函數(shù)公....

圖3-3tanh函數(shù)Fig3-3tanhfunction

圖3-3tanh函數(shù)Fig3-3tanhfunction函數(shù)改進了sigmoid函數(shù)，值范圍指定在(-1,1)范圍內(nèi)。0均利于在訓練數(shù)據(jù)時進行學習，訓練效果略好于Sigmoid函數(shù)。函數(shù)如公式為：()=(0,1)圖像如圖3-4所示：

本文編號：3923747